Fero 是面向现代制造商的工厂优化软件。该公司的软件利用白盒机器学习，在不断变化的条件下不断优化工厂生产。通过这样做，Fero 的客户能够自信地减少浪费，从而提高整个企业的可持续性和利润。鉴于世界地球日，制造商可以利用这段时间反思他们的可持续发展目标并寻求资源支持，例如人工智能。 Fero Labs 创始人兼首席执行官 Berk Birand 在本文中，The Manufacturer 与 Fero Labs 创始人兼首席执行官 Berk Birand 进行了交谈，该公司通过将成分数量减少多达 34% 并防止根据这份最近的气候变化和人工智能报告，估计使用人工智能每年排放 450,000 吨二氧化碳。
Fero&r 如何squo;s 软件工作？
我们使用考虑了关键过程参数和变化的白盒机器学习，使几乎没有或没有数据科学背景的工厂操作员能够了解他们正在探索的问题的根本原因。我们的软件可以实时部署，通过不断调整以适应流程和市场变化，确保工厂以最佳性能运行。与在没有上下文的情况下提供建议的黑盒机器学习不同，Fero 是由白盒机器学习提供支持的软件提供企业可以信赖的快速、简单的答案。它让团队清楚地了解生产变化的影响并充满信心地进行。您认为制造商如何才能实现净零排放？
首先，制造商必须透明地说明其排放源。接下来，他们应该关注短期和长期解决方案的结合。我们已经看到各行各业的制造商将成本和排放量降低了高达到 10%，只需实施 Fero。长期投资包括更新制造流程和规划碳捕获使用和储存。最后但同样重要的是，他们应该跟踪他们的进展并确保所有利益相关者保持一致。与传统的流程优化不同，最佳的局部决策可能并不总能为整个企业带来最佳结果。可持续性需要端到端的方法来考虑生产过程的每个部分。在您的职业生涯中，您如何看待对可持续性的态度变化？
工业占全球四分之一到三分之一温室气体排放量，取决于您如何定义生产范围。这使得制造业与能源生产处于同一规模——如果我们要到 2050 年实现净零排放，这两个部门都必须适应。正在加紧应对挑战的制造企业意识到，现在而不是以后采取措施才能保持竞争力在即将到来的g 年。越来越多的公司意识到脱碳可以在增加利润的同时实现，而这种思维方式的转变正在促成根本性的改变。您看到制造商在可持续发展方面常犯的错误是什么？
制造商在可持续发展方面面临多项挑战，但有两件事最为突出。第一个是孤立的组织结构，这意味着工厂内的每个团队都倾向于关注自己的绩效指标，例如一个团队将寻求削减原材料，而另一个团队可能会优先考虑提高产量。这种组织结构使本地决策成为可能，但对于减少排放等复杂目标，所有团队必须在整个工厂内进行协调。这也可能影响制造商的供应链。第二个挑战是对硬件的短视关注。使工厂在可持续发展的同时更有效地运作并不容易。有新的制造方法可用但它们很昂贵，例如需要用更新的耗能更少的等效设备更换现有机器。如今，硬件并不是提高工厂运营效率的唯一解决方案，工厂可以通过学习如何在整个工厂和整个系统中做出更好的决策来启用软件来帮助减少排放。第一步是什么？制造商应该踏上可持续发展之旅（如果他们还没有开始）？
第一步是量化企业从供应链开始到最终产品的碳影响。这需要与每个组织团队共享相关信息。通过获取这些知识，制造商可以确定首先解决哪些问题的优先级，以使他们的生产更具可持续性，建立跨职能团队来解决问题，并立即探索各种解决方案。投资于短期和长期解决方案是推动可持续增长和建设未来工厂所必需的。可持续发展战略是否需要制造商掌握特定技能？
当然是新视角。但不一定是新技能；至少立即。 IPCC 最近的第六次评估报告指出了一些使制造业脱碳的广泛战略，从采用循环材料流到电气化和燃料转换。制造公司已经拥有从事这些转型的人才。凭借最先进的硬件和软件来增强他们的能力，我可以看到他们在这项艰巨的任务中取得了成功。要阅读更多此类文章，请查看我们的可持续发展频道。
